華碩AI伺服器基礎設施和效能
華碩 * 基礎設施解決方 香港流動電話號碼表 案部副總監 Joseph Lu 詳細介紹了華碩 * 人工智慧伺服器如何針對要求苛刻的人工智慧工作負載進行最佳化。這些伺服器採用英特爾®至強®可擴充處理器和英特爾®資料中心GPU Flex 170 GPU設計，為人工智慧推理和訓練任務提供卓越的運算效能。華碩* 伺服器利用英特爾的 AI 加速工具，可實現低延遲、高吞吐量操作，非常適合醫院診斷等醫療環境中的邊緣推理。
這些伺服器採用模組化架構，能夠從小規模運算擴展到百億億次運算。這種靈活性使醫療保健提供者能夠根據其特定的人工智慧需求擴展其基礎設施。華碩* 伺服器整合了英特爾的 AI 引擎和工具包，進一步簡化了 AI 模型的執行。英特爾® 至強® 可擴展處理器具有內建人工智慧最佳化功能，可加速訓練和推理，從而實現更快的即時決策。特別是，Intel Flex 170 GPU 和 Xeon 處理器的組合提供了一個平衡的架構，可以高效處理大型資料集，減少推理時間並提高關鍵醫療保健場景中的模型準確性。
AI 類風濕性關節炎診斷：一個實例
來自國立台北護理與健康科學大學的 Chungyueh Lien 博士討論了使用人工智慧模型診斷類風濕性關節炎 (RA) 的挑戰和解決方案。 RA 是一種系統性自體免疫疾病，影響全球 1-2% 的人口，早期診斷對於防止不可逆轉的損害至關重要。目前 RA 診斷的黃金標準是改良總夏普評分 (mTSS)，其中涉及手部和足部 X 光影像的詳細手動評估。然而，這個過程非常耗時，通常需要 10 分鐘左右，並且取決於臨床醫生的專業知識。
Lien 博士的團隊開發了一種人工智慧模型，可以自動執行 mTSS 評分流程。該模型分兩個階段建構：
對象檢測階段：此階段使用 YOLOv7（一種最先進的深度學習對象檢測模型）來定位需要對 RA 嚴重程度進行評分的關節。
分類階段：模型使用EfficientNet結合注意力機制對關鍵病理特徵進行分類，例如關節侵蝕和關節空間狹窄（JSN）。 EfficientNet 的注意力層提高了模型對 X 光影像內相關區域的關注，從而提高了 mTSS 評分的準確性。
